[hbase]使用HBase的Java API查询HBase（2）

HBase数据库，数据量 613,428,000条

HBase表结构，为一表，一列族，一列，一值

表名dnslog，columnfamily为info，列为c1,value.

rowkey组成：账号+”_”+时间

 大牛笔记

 

需求：

获取zywy这个账号，在2014-11-11 10:10:10秒 到 2014-12-11 10:10:10秒之间，最后发送的那条数据的内容。

先看代码：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84

// startrow and endrow public void startRowAndEndRow(Configuration conf,String tableName){      DateFormat dFormat =  new SimpleDateFormat( "yyyyMMdd HH:mm:ss SSSS" );      String d1 = dFormat.format( new Date ());      String account =  "zywy" ;      HTable hTable = null;      ResultScanner rs = null;      try {          hTable =  new HTable(conf, tableName);            FilterList filterList =  new FilterList(FilterList.Operator.MUST_PASS_ALL);            PrefixFilter filter1 =  new PrefixFilter((account+ "_" ).getBytes());          filterList.addFilter(filter1);            // RowKey最小日期过滤          String minRowKey =  "" ;          minRowKey = account +  "_" +  "20141111101010" ;          System.out.println(minRowKey);          RowFilter minRowFilter =  new RowFilter(CompareFilter.CompareOp.GREATER_OR_EQUAL, new BinaryComparator(minRowKey.getBytes()));          filterList.addFilter(minRowFilter);            // RowKey最小日期过滤          String maxRowKey =  "" ;          maxRowKey = account +  "_" +  "20141211101010" ;          System.out.println(minRowKey);          RowFilter maxRowFilter =  new RowFilter(CompareFilter.CompareOp.LESS_OR_EQUAL, new BinaryComparator(maxRowKey.getBytes()));          filterList.addFilter(maxRowFilter);            //PageFilter pageFilter = new PageFilter(1);          //filterList.addFilter(pageFilter);            Scan scan =  new Scan();          scan.setMaxVersions();            scan.setFilter(filterList);            //scan.setStartRow(maxRowKey.getBytes());          //scan.setStopRow(minRowKey.getBytes());            scan.setStartRow(minRowKey.getBytes());          scan.setStopRow(maxRowKey.getBytes());          scan.setCaching(1000);          scan.setCacheBlocks(false);            rs = hTable.getScanner(scan);          ArrayList<KeyValue> resultTempList =  new ArrayList<KeyValue>();            Result lastR = null;          for (Result r : rs) {          //  for (KeyValue kv : r.raw()) {          //      resultTempList.add(kv);          //      System.err.println("rowkey:" + new String(kv.getKey()));          //      System.err.println("-------------------------------");          //      System.err.println("columnFamily:" + new String(kv.getFamily()) +"===column:" + new String(kv.getQualifier()) + "===getValue:" + new String(kv.getValue()));          //  }              lastR = r;          }            for (KeyValue kv : lastR.raw()) {              resultTempList.add(kv);              System.err.println( "rowkey:" +  new String(kv.getKey()));              System.err.println( "-------------------------------" );              System.err.println( "columnFamily:" +  new String(kv.getFamily()) + "===column:" +  new String(kv.getQualifier()) +  "===getValue:" +  new String(kv.getValue()));          }            System.err.println( "*********************" );          System.err.println( "resultTempList.size:" + resultTempList.size());          System.err.println( "*********************" );            String d2 = dFormat.format( new Date ());          System.err.println( "开始时间：" +d1);          System.err.println( "结束时间：" +d2);      }  catch (IOException e) {          e.printStackTrace();      } finally {          rs.close();          try {              hTable.close();          }  catch (IOException e) {              e.printStackTrace();          }      } }

 结果：

执行速度上，在一秒内完成。如果要返回多个结果，需要将keyvalue的for循环，放到result的for循环内（执行时间，10秒左右）。

在速度上，还是可以接受的。这么快的原因主要在rowkey设计方面，设计的合理性会影响查询时速度。

解释：

ResultScanner，扫描表，获取最终结果。

下面就是定义一些filter的使用。

PrefixFilter，前缀的筛选，也就是筛选rowkey中，最前面字符为zywy的记录。

RowFilter，也是根据rowkey筛选定义记录的范围 minRowKey 和 maxRowKey之间的数据。

PageFilter，这里的pageFilter没用到，这个也是很好的一个类。分页时使用。

scan.setMaxVersions();选择最新版本的数据

scan.setStartRow(minRowKey.getBytes()) 和scan.setStopRow(maxRowKey.getBytes()) 就是设置rowkey的范围了。

Result lastR = null; 定义一个变量，用来存储最后一条记录。

 

HBase的RowKey是自动排好序的。rowkey是按照ascii码进行排序的。所以最先扫描到的，是最老的数据。但是需求要求返回最新的一条记录。

这里如果向MySql等关系型数据库那样，来一个order by rowkey desc 换个顺序就爽了。可惜HBase没有。官网说明

1 2 3 4 5 6

6.3.3. 倒序时间戳 一个数据库处理的通常问题是找到最近版本的值。采用倒序时间戳作为键的一部分可以对此特定情况有很大帮助。也在Tom White的Hadoop书籍的HBase 章节能找到: The Definitive Guide (O'Reilly), 该技术包含追加(Long.MAX_VALUE - timestamp) 到key的后面，如 [key][reverse_timestamp].   表内[key]的最近的值可以用[key]进行 Scan 找到并获取第一个记录。由于 HBase 行键是排序的，该键排在任何比它老的行键的前面，所以必然是第一个。   该技术可以用于代替Section 6.4, “ 版本的数量 ” ，其目的是保存所有版本到“永远”(或一段很长时间) 。同时，采用同样的Scan技术，可以很快获取其他版本

我所使用的HBase版本为hbase-0.94.18.tar.gz算是比较老的版本了。

由于没有排序的功能，所以只能是从前往后循环一遍，将最后的变量，存到lastR中。

如果要是支持orderby操作，那么我可以加上pagefilter

1 2	PageFilter pageFilter =  new PageFilter(1); filterList.addFilter(pageFilter);

这样直接返回的就是最新的一条。

 

其实，在hbase-0.98+就支持了这个顺序反转的功能，通过添加如下代码，就可以实现了。官网说明

1	Scan.setReversed(true)